Agent 基础篇：什么是 AI Agent
Agent 是围绕目标持续观察、规划、调用工具并根据结果调整行动的 LLM 应用形态。
技术文章、实现记录与项目复盘。
栏目
按年份
Agent 工程实践篇：从 0 到 1 构建一个可用 Agent
一个可用 Agent 不只是一个循环调用模型的脚本，还需要任务状态、工具注册、错误处理、日志追踪和退出条件。
多 Agent 协作篇：复杂任务如何拆给多个智能体
多 Agent 适合把复杂任务拆给不同角色处理，但它带来的协调成本、上下文同步和结果一致性也不能忽视。
LLM 应用后端架构篇：如何设计一个生产级 AI 应用
生产级 LLM 应用需要模型调用层、Prompt 管理、会话存储、任务队列、监控、限流和降级机制。
LLM 应用评测篇：如何判断模型回答是否靠谱
没有评测的 LLM 应用很难持续迭代，Prompt、模型和检索策略的每次修改都可能带来隐性回归。
LLM 成本优化篇：如何降低 Token 和模型调用成本
LLM 成本优化不是单纯换便宜模型，而是从上下文、缓存、路由、批处理和评测一起控制。
AI 辅助开发篇：如何用 LLM 提升程序员效率
AI 辅助开发的价值不只是生成代码，更在于解释代码、拆任务、补测试、查问题和降低上下文切换成本。
AI Code Review 篇：让大模型参与代码审查
AI Code Review 可以帮助发现明显缺陷、总结 PR、补充测试建议，但不能替代人类对业务语义和架构取舍的判断。
AI DevOps 篇：用 Agent 辅助排障和运维
运维 Agent 可以汇总日志、解释告警、关联变更和生成排障建议，但执行高风险操作必须有权限和人工确认。